【python效率优化】使用map优化for循环

本文对比了Python中使用map函数与传统for循环处理大规模数据集的速度。通过一个具体实例,展示了map函数如何利用底层自动并行化优势,显著提高代码执行效率。实验结果显示,对于无前后依赖的for循环,map函数的运行速度明显更快。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

python提供的高级函数map将一个函数作用于可迭代对象的每一个元素,底层自动实现并行,运行速度比for循环要快,对于无前后联系的for循环,可以使用map进行优化,以下例子对比了两者的运行速度,map的速度优于for循环

import numpy as np
import time

arr = np.arange(0, 10000000)

t1 = time.time()
res1 = []
for i in range(len(arr)):
    res1.append(arr[i]+4)
print("for loop times", time.time()-t1)

t2 = time.time()
res2 = list(map(lambda x: x+4, arr))
print("map times", time.time()-t2)

print("res1:", res1[:6])
print("res2:", res2[:6])

for loop times 5.5192711353302
map times 4.321439027786255
res1: [4, 5, 6, 7, 8, 9]
res2: [4, 5, 6, 7, 8, 9]

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值